人工智能在使用计算机断层扫描检测大鼻病理时的诊断准确性:简要的系统综述
Asmaa T Uthman1,2, Habiba Abouelenen1, Shaheer Khan1
1Department of Diagnostic and Surgical Dental Sciences, College of Dentistry, Gulf Medical University, Ajman, UAE.
Imaging science in dentistry
|April 7, 2025
概括
人工智能 (AI) 在CT/CBCT扫描上在检测大鼻病理方面表现出高准确度. 虽然深度学习模型显示出希望,但为了实现一致和改进的诊断性能,需要进一步改进.
科学领域:
- 放射学和医学成像学 医学成像学
- 人工智能在医学中的应用
- 计算病理学计算病理学
背景情况:
- 大鼻病理在临床实践中构成诊断挑战.
- 计算机断层扫描 (CT) 和圆束计算机断层扫描 (CBCT) 是评估大鼻的关键成像方式.
- 人工智能 (AI) 的整合为诊断准确性提供了潜在的进步.
研究的目的:
- 评估人工智能算法的性能和准确性,以检测和诊断鼻病理.
- 评估AI在分析CT和CBCT对鼻疾病的成像中的实用性.
主要方法:
- 在主要数据库 (谷歌学者,BMC,ProQuest,PubMed) 进行了系统的文献搜索.
- 关键词包括"深度学习"",卷积神经网络"",机器学习"和"预测建模"在过去5年内发表的文章中.
- 包括12项涉及3,349名患者和7,358张图像的研究,重点关注诊断准确性.
主要成果:
- 主要使用的是深度学习模型,特别是卷积神经网络架构,如DenseNet和ResNet.
- 人工智能模型实现了高诊断性能,准确度从85%到97%不等.
- 灵敏度从87%到100%不等,特异性从87.2%到99.7%,曲线下的面积 (AUC) 从0.80到0.91.
结论:
- 人工智能利用各种深度学习架构,在CT/CBCT图像上检测上腔异常方面显示出显著的潜力.
- 当前的人工智能模型实现了近乎完美的结果,但持续的研究对于提高准确性和一致性至关重要.
- 需要进一步开发以优化AI用于诊断鼻病理的常规临床应用.
